技術要約：LAP: 自律科学のためのエージェント・対・インストゥルメント・プロトコル

1. 問題提起

本論文は、自律科学が「デモンストレーション」から「インフラストラクチャ」へと移行する際の決定的なボトルネックを特定している。大規模言語モデル（LLM）エージェントは実験の計画や推論を行う能力を備えつつあるが、これらの推論エージェントと物理的な実験機器（インストゥルメント）との間のリンクは、依然として個別的（bespoke）かつ脆弱な状態にある。

現在のシステム（例：A-Lab, Coscientist, ChemCrow）は、あらゆる機器に対してカスタムメイドのアダプターを記述する必要があり、$n$ 個のエージェントが $m$ 種類の多様な機器とインターフェースを持つという $O(n \times m)$ の統合問題を引き起こしている。既存の相互運用性プロトコルは、エージェントのエコシステムにおける2つの端（エッジ）には対処しているが、3番目のエッジをモデル化できていない：

• エージェント・対・ツール (MCP): エージェントがいかにソフトウェア関数を呼び出すかを標準化する。
• エージェント・対・エージェント (A2A): エージェント同士がいかに連携するかを標準化する。
• エージェント・対・インストゥルメント (欠落): 物理的なインストゥルメントは、状態を持ち（stateful）、安全性に敏感であり、独占的に所有されるリソースであり、実際の試薬を消費し、数分から数時間のスパンで動作し、物理単位、校正、および不確かさの定量化を必要とする測定値を生成するものであるが、既存のプロトコルはこれに対処していない。

既存の実験室標準（SiLA 2, OPC-UA, SCPI）は、事前にどのコマンドを発行すべきかを正確に知っている決定論的なソフトウェアクライアントを想定している。これらは、確率的なエージェントが機能を「発見」したり、安全性を「交渉」したり、物理的に型付けされた結果を「解釈」したりするためのメカニズムを欠いている。

2. 手法および設計

著者らは、エージェント・対・インストゥルメントのギャップを埋める設計仕様（v0.1）である Lab Agent Protocol (LAP) を提案している。LAPは新しいトランスポートやデータ形式ではなく、既存のデバイス標準（SiLA 2やSCPIなど）を統一されたエージェントインターフェース内にカプセル化するプロトコル設計である。

2.1 コアアーキテクチャ

LAPは、エコシステムを以下の6つのレイヤー構造で構成する：

• L0 (デバイス抽象化): ベンダーSDK、SCPI、またはSiLA 2（インストゥルメントエージェント内にカプセル化）。
• L1 (アイデンティティとトランスポート): mTLS/OAuth 2.1および分散型識別子（DID）によって保護された、HTTPS上のJSON-RPC 2.0、SSE、およびWebhook。
• L2 (インタラクション): LAPメソッドセット、タスクライフサイクル、およびセーフティフェンス・ハンドシェイク。
• L3 (セマンティック): InstrumentCard、機能オントロジー、および物理的に型付けされたデータ（QUDT/UCUM）。
• L4 (オーケストレーション): マルチインストゥルメント・ワークフローと予約（オプションのLab Coordinatorによって処理）。
• L5 (キャンペーン): 科学的推論ループ（Research Agent内部）。

2.2 主要な役割

• Research Agent (RA): キャンペーンを計画・実行する自律的な科学者。
• Instrument Agent (IA): 物理的なインストゥルメントをラップし、LAPタスクを低レベルのデバイスコールへと翻訳する。
• Lab Coordinator (LC): マルチインストゥルメントのワークフローを扱うためのオプションのブローカーであり、クロスインストゥルメントの安全性とサンプルの連鎖的な管理（chain-of-custody）を処理する。
• Federation Registry (FR): クロスラボでの発見のためのディレクトリ。
• Human Operator/Safety Authority (人間オペレーター/安全管理者): 危険な操作に対して暗号化トークンを発行する。

3. 主な貢献

本論文は、既存のプロトコルと区別される、LAPの中核を成す4つの物理世界プリミティブを定義している。

(P1) The InstrumentCard

これは、A2A AgentCardを拡張した、署名済みのJSON-LDによる機能記述（W3C WoT Thing Descriptionのプロファイル）である。以下を含む：

• Instrument Class: オントロジーに基づく分類（例：xrd:PowderDiflectometer）。
• Physical Limits: 機械可読な制約（例：最大温度、圧力）。
• Safety Class: 機能ごとのハザード分類（S0–S3）。
• Intent Grounding: エージェントが目標を機能にマッピングするのを助ける自然言語タグ（intentTags）。
• Calibration State: 現在の校正の有効性への参照。

(P2) Exclusive Reservation (独占予約)

リソースロックのための、第一級のリース（lease）プリミティブ。

• メカニズム: reservation.request は、時間制限付きのリース（reservationToken）を付与する。
• モード: exclusive（独占制御）および shared-read（並行モニタリング）をサポート。
• 安全性: 複数のエージェントが同一の物理的インストゥルメントを矛盾した状態に駆動することを防ぐ。リースは更新されるか、あるいは期限切れとなり、デッドロックを防ぐ。

(P3) The Safety-Fence Handshake (セーフティフェンス・ハンドシェク)

危険または不可逆的な操作（Safety Class S2およびS3）のための、プロトコルレベルのインターロック。

• プロセス: S2/S3タスクが送信されると、IAは safety-hold 状態に入り、オペレーターによる確認トークンを要求する。
• トークン: 人間安全管理者（Human Safety Authority）によって署名されたJWS（JSON Web Signature）。
• 結合: このトークンは、特定のタスクURI、インストゥルメント、機能、およびパラメータの正確なSHA-256ハッシュに暗号学的にバインドされている。
• 効果: これにより、エージェントが異なる、あるいはより過激な操作のためにトークンを再利用することを防ぐ。これにより、危険なハードウェアに対する自律的な権限が、明示的、限定的、かつ監査可能になる。

(P4) The MeasurementResult (測定結果)

データの物理的な誠実さを義務付けるスキーマである。すべての結果には以下を含める必要がある：

• Physical Typing: 必須のUCUM単位およびQUDT数量種別。
• Calibration Reference: 使用された特定の校正状態へのリンク。
• Uncertainty: 伝播された測定の不確かさ。
• Provenance (プロベナンス): パラメータのハッシュ、ファームウェアバージョン、および環境条件を含むマニフェスト。
• Signature: 結果の起源の暗号学的検証。

インタラクションフロー

プロトコルは intent.resolve を導入している。これは、エージェントが自然言語の目標を提出するメソッドである。IAは、パラメータと仮定が記入された、構造化され型付けされた提案（task.submit ペイロード）を返す。エージェントは、実行前にこの提案を明示的に承認しなければならない。これにより、LLMの確率的な性質を「提案レイヤー」に限定し、ハードウェアが検証された決定論的なコールによってのみ駆動されることを保証する。

4. 結果および検証状況

本論文は、LAPが設計仕様（v0.1）であることを明記しており、まだ大規模に検証または実装されていない。

• ステータス: 「設計および仕様であり、まだ大規模な実装ではない」。
• 検証: メリットは、生産環境へのデプロイを通じてではなく、アーキテクチャを通じて論じられている。
• 比較: 本論文は、LAPをSiLA 2, MCP, A2A, SCP (Science Context Protocol), および INTERSECTと比較している。SCPがハブ媒介モデルを使用しているのに対し、LAPはインストゥルメントを第一級のエージェントとするピア・ツー・ピアモデルを採用していることを強調している。
• 認められた限界:
  • リアルタイムのハードデッドライン制御（マイクロ秒単位のループは範囲外）。
  • 信頼できる安全管理者に依存（プロトコルは、不適切なトークンに署名する怠慢な人間を防ぐことはできない）。
  • 機能オントロジー（instrumentClass）は現在未指定であり、コミュニティによるキュレーションが必要である。
  • 物理的な連鎖的管理（実際のサンプルの移動）は、プロトコルによって強制されない外部のロジスティクス（バーコード、ロボティクス）に依存する。
  • グローバルなフェデレーションのガバナンスは未解決の問題である。

5. 重要性と主張

著者らは、LAPの重要性はエージェントのエコシステムの三角形を完成させることにあると主張している。エージェントがインストゥルメントに到達するための、安全で、物理的に忠実な方法を提供することで、LAPは以下を目指している：

1. 統合の複雑さを解消する: カスタムアダプターの $O(n \times m)$ 問題を、標準プロトコル準拠による $O(n + m)$ 問題へと削減する。
2. 安全な自律性を実現する: 「脆弱なハック」を超えて、状態性、独占性、および安全性に敏感な制約をネイティブに扱う堅牢なインターフェースを実現する。
3. 再現性を確保する: 校正に裏打ちされ、不確かさを伴い、署名された結果を義務付けることで、LAPは科学的データを構造的にFAIR（見つけやすく、アクセス可能で、相互運用可能で、再利用可能）にする。
4. フェデレーションを促進する: カスタム統合なしに、エージェントが機関の境界を越えてタスクを発見、予約、実行できる「インストゥルメントの科学的インターネット」のブループリントを提供する。

本論文は、エージェントの知能が向上している一方で、それらを物質（matter）へと接続するインフラストラクチャが現在のボトルネックであると結論付けている。LAPは、MCPやA2Aの軌跡と同様に、コミュニティ構築の標準を種まくための、具体的でオープンなガバナンスを持つ出発点として提供されている。